基于工业CT的铁路货车铸件缺陷自动检测

针对采用传统方法检测铸件缺陷存在检测效果不明显的问题,为提高检测效率,研究基于工业CT的铁路货车铸件内部缺陷自动检测算法.首先用工业CT扫描重建得到铸件的断面图像,然后对图像计算分形维数,利用铸件缺陷区域分形维数较高的特点自动定位出缺陷的大致区域,再用Facet模型对定位区域进行边缘检测,以便确定缺陷的准确形状.用工业CT对摇枕和侧架进行缺陷检测的结果表明,该方法不仅能获得铸件内部缺陷的位置和准确形状,而且处理自动化程度较高.     

铁路货车铸件DR图像增强的改进Retinex模型

铁路货车部件(摇枕或侧架等)的铸造缺陷可能影响铁路运输安全,数字化X射线辐射成像(Digital Radiography,DR)可直观显示铸件内部缺陷,已广泛应用于铁路货车铸件无损检测。由于铸件厚度不均匀等原因造成原始DR图像灰度不均,不能清晰显示所有缺陷,需要图像增强等操作实现图像优化。Retinex方法同时考虑光强度和纹理信息,将图像分离为照度分量和反射分量,以补偿图像中的不均匀照明。相对全变分(Relative Total Variation,RTV)方法保留主结构的同时平滑小尺度的纹理和噪声。针对铸件DR图像缺陷难以识别的问题,结合RTV和Retinex相关理论,提出一个改进的Retinex优化模型,其中照度分量的内容结构和反射分量的梯度信息根据加权策略的选择受到不同惩罚,使用交替最小化方法求解模型,其次将高斯模糊后的图像作为具有平滑结构的照度分量的引导图以优化该模型。实验结果表明：与其他已有的算法相比,优化模型大幅度提高了DR图像的平均梯度、点锐度等量化指标,且图像增强效果显著。该方法改善了图像的清晰度和视觉质量,有效显示出铸件DR图像中的缺陷,可用于铁路货车部件和其工业部件...     

基于机器视觉的列车外齿轮磨损状态检测方法

齿轮是高铁列车中的重要部件,齿轮磨损状态的程度对列车运行安全具有重要的影响。针对采用人工观察确定齿轮磨损状态的问题,提出一种基于机器视觉的列车外齿轮磨损状态定量检测方法。为避免将顶部和底部低灰度啮合区分割为背景,提出分块分割算法以得到候选啮合区域。为去除候选啮合区中的背景区域且将啮合区分割为一个整体,提出区域聚合算法。为避免点蚀区域位于啮合区边缘造成的不完整分割问题,提出基于凸包运算的边缘修正算法。结合分块分割、区域聚合以及边缘修正,实现齿面图像啮合区分割。结合自适应局部阈值以及基于形状特性的假阳性去除算法,实现齿面图像的点蚀区域检测。在140幅齿面图像上对提出方法进行验证,啮合区分割的平均AOM为0.89,点蚀区域检测方法性能优于现有方法。     

基于BP神经网络的货车车号识别方法研究

针对货车车号的字体不规则、单字有断裂的特点,提出基于图像预处理的动态字符分割和提取算法,准确地对车号图像进行车号区域提取和车号单字分割.利用Hilditch细化算法对单字进行细化,提取出能表征数字的结构特征向量.设计出BP人工神经网络,数字的结构特征向量作为BP网络的输入,用经过训练的BP网络进行货车车号的识别.     

基于机器视觉的轨距检测方法研究

提出了一种基于机器视觉的轨距检测方法,该方法采用4个CCD摄像机和2个红色扇形光源构成检测系统。对检测系统进行了定标分析,采用提取分量的方式对图像的目标区域和背景区域进行分割,利用图像差影法去除噪声,应用自适应迭代阈值法对图像进行二值化处理,并通过膨胀和细化算法得到轨道的截面轮廓线。试验结果表明,该方法能有效地实现轨距参数的高精度动态测量,精度可达到0.07mm。     

基于视觉的钢轨表面缺陷识别方法综述

基于计算机视觉技术的钢轨表面缺陷识别方法凭借其非接触、准确性高、无遗漏、快速高效等优点得到越来越多的关注。其识别流程包括:对采集到的钢轨表面图像进行预处理;采用灰度水平投影等方法提取出钢轨的轨面区域;利用图像分割技术提取出缺陷部分的图像信息;对缺陷特征进行描述,计算出缺陷的特征向量;利用机器学习分类器实现缺陷分类;通过深度学习实现钢轨表面缺陷的识别。基于当前研究难点,指出未来主要的研究方向,包括图像的优化预处理、钢轨表面缺陷的快速准确提取及对基于深度学习的缺陷识别方法的深化完善。     

高铁轨道CPⅢ基准点自动检测方法研究

为实现高铁轨道CPⅢ基准点的自动高效检测,研发基于双目视觉的CPⅢ基准点动态非接触自动检测系统。首先对双相机拍摄的图像进行自适应分割处理,对分割后的图像利用改进模板匹配算法计算获得CPⅢ标识物在图像中的位置;然后对提取的标识物目标图像进行自适应阈值分割提取边缘轮廓,计算标识物中心坐标;最后利用基准点计算方法和双相机标定的参数计算CPⅢ基准点坐标。试验结果表明,检测系统在水平方向上的最大误差为0.95 mm,垂直方向最大误差0.25 mm,最大变异系数为0.211%,该方法可为CPⅢ基准点高精度自动化检测的应用提供参考。     

基于灰度对比图与最大熵的钢轨图像分割

针对CCD相机采集的钢轨表面图像灰度不均、过度曝光、噪声过大等导致的一维最大熵法无法准确分割缺陷的问题,提出一种将灰度对比图和形态学重构相结合,再用最大熵法进行分割的图像分割算法。首先求得钢轨图像的灰度对比图,接着将灰度对比图经过形态学开-闭重构获得钢轨背景图像,然后将背景图像与灰度对比图相减,得到包含缺陷的差分图,最后将差分图用最大熵法进行分割。实验表明,提出的灰度対比图法能够很好地缓解光照不均,过度曝光对检测带来的影响,形态学开-闭重构不仅能够获得所需的背景模型还能抑制一定的噪声,该算法简单、有效、鲁棒性较高,分割精度可以达到90%。     

铁路货车铸件工件号倾斜DR图像的识别方法

通过对倾斜的DR图像进行图像增强、二值化、倾斜校正、去毛刺、填补空洞、单字符分割和大小归一化处理,分割出若干个大小相同的单字符图像;然后通过训练45个支持向量机(SVM),并得到各个支持向量机的判别函数;利用这45个判别函数判别单字符图像是哪个数字的图像,并记下各个数字的得票数,确定得票最多的数字即为单字符图像对应的数字.应用Microsoft Visual Studi0 2008软件编写了相关的计算程序.利用该程序进行识别实验的结果表明,该方法能够在DR图像中货车铸件工件号呈倾斜情况下有效识别出货车铸件的工件号.     

炭素制品X射线图像的缺陷特征选择

针对炭素制品X射线检测图像的特点,对缺陷特征提取与选择技术进行了研究。为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从原始图像中提取缺陷区域。在此基础上,从缺陷样本中提取19个特征值。为提高缺陷模式识别对各种噪声及干扰的鲁棒性,提出以特征组合分类能力数学模型为适合度函数,设计基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行模式分类。研究结果表明,所提出的选择方法可以用于缺陷的识别与分类。     

基于栅格元模型的纹理图像分割方法

提出了一种基于栅格元模型的纹理图像分割方法,该方法结合了视觉栅格元模型对不同纹理方向和频率的响应敏感性及特征变换的降维特性。首先通过栅格元运算模型提取图像的多维纹理特征,然后利用变换法将特征从多维空间映射到低维空间,最后依据降维后的纹理特征将图像分割为不同的纹理区域。仿真结果表明,该方法不但能有效地分割纹理图像,而且能分割出由纹理和非纹理区域组成的混合图像,与传统的Gabor滤波器法相比,分割效果更佳,适用范围更宽。     

隧道检测裂缝的图像处理研究

裂缝是隧道衬砌最常见的病害之一,基于近几年快速发展的工程检测系统与图像处理算法的研究,提出基于CCD相机的衬砌裂缝检测系统来采集裂缝图像。通过比较均值滤波、中值滤波、维纳滤波、自适应中值滤波和加权邻域滤波比较,选择自适应中值滤波进行图像增强。结合直方图阈值分割法、Otsu最大类间方差阈值和局部阈值分割法,对增强后图像进行二值化处理比较,Otsu法较好地保留了裂缝的边缘信息,证明了该算法的有效性,为后续裂缝信息的提取奠定了基础。     

基于阈值分割法的地下工程防水板孔隙结构识别

利用X射线CT技术扫描地下工程高密度聚乙烯(HDPE)防水板,基于阈值分割法对获得图像进行分割处理,探讨该种分割方法在图像处理中的适用性。对经过处理的防水板试样置于显微CT设备上进行扫描,获得系列二维切片图像,利用阈值分割法对其中单张图像进行处理,得到较为理想的二值图像,对图像中孔隙进行标记,据此进行孔隙结构分析。结果表明:处理后图像中的大小孔隙可以被清晰识别;孔隙面积、孔隙率及孔隙连通性等指标整体水平较低;小孔隙个数最多,且小孔隙在孔隙总面积中占有很大比例,孔隙面积与其个数与直径有关。研究结果证实利用阈值分割法对显微CT扫描图像进行分割处理是可行的,为地下工程防水板材料微观研究提供方法上的参考。     

应用对象语义进行图像检索的新方法

为了降低图像高层语义与低层视觉特征之间的语义差异,本文以对象描述模型为基础,提出利用机器转换模型获取图像高层语义的方法。本方法首先利用图像分割技术对图像进行分割,然后利用机器学习的方法,得到训练样本集中高层语义与分割后低层视觉特征之间的先验概率关系;在查询的过程中,利用得到的先验概率模型计算与高层语义所对应的最大概率视觉低层特征,最后利用该低层特征进行检索,达到缩短高层语义与低层特征之间的语义差异的目的。在一个拥有5000幅图像的图像库上所做的测试结果表明了该方法的有效性和可行性,同时该方法也为解决图像高层语义与视觉低层特征之间语义的矛盾开扩了思路。     

基于支持向量域描述的铁路绝缘子污秽度异常检测分析

为实现对铁路绝缘子污秽度的在线检测,提出一种基于支持向量数据描述和图像信息的污秽度异常检测方法。以人工涂污实验获得的绝缘子图像为基础,通过最大类间方差法分割图像得到绝缘子的盘面区域,计算颜色及纹理空间的特征,并利用核主元分析方法对特征向量进行融合与降维,最后通过支持向量数据描述方法实现污秽度的异常检测。结果表明,该方法可有效降低绝缘子污秽度的异常检测过程中的漏警率和虚警率,满足实际工作需求。     

基于背景建模的钢轨表面缺陷像素级检测方法

钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战.提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真...     

基于计算机视觉的接触网定位器倾斜度自动测量方法

针对现行接触网定位器倾斜度检测方法效率低下、精确度不高的现状,研究基于计算机视觉的接触网定位器倾斜度自动测量方法.应用图像分割、剔除干扰线、图像细化等算法,对采集到的接触网定位装置的图像进行处理;然后用改进的Hough变换检测细化后的图像,对图像中相邻的特征象素点进行聚类并做感知编组;最后用随机Hough变换(RHT)...     

基于能量特征和神经网络的纹理图像分割

特征是描述纹理根本属性的一种有效手段,本文结合Gabor滤波器对不同频率和方向的选择特性及自组织特征映射神经网络对特征聚类的适应性和灵活性,提出了一种新的纹理图像分割方法。该方法首先通过Gabor滤波器提取纹理图像的能量特征,然后运用自组织特征映射神经网络进行特征聚类和分类,实现纹理图像的分割。仿真结果证明,该方法能有效地分割出区域特性不同的纹理,且错分率低于共生矩阵和K均值聚类相结合的分割方法。